顯然對於山姆·奧特曼來說，華夏人的人工智能技術是有特指的。
也不止是豆豆，雖然豆豆是全世界最成功的人工智能產品，而且名聲很大。但其實就目前來說，一般人只能在網上接觸一下豆豆，沒可能接觸到豆豆的源代碼。
二般人其實也一樣，倒是羣智的框架能接觸到，兩者走的路線並不完全相同。
比如chatgpt的邏輯中不存在因果耦合，其最核心的工作原理是通過分析大量文本數據來預測給定上下文中最可能的下一句話或詞彙。
這種基於統計模型的學習模式缺乏對真實世界的理解。
起碼就目前而言，chatgpt還沒有構建出內在的世界模型來理解因果關係。
一個最簡單的例子，當有人向chatgpt提問，蘋果熟了又沒人採摘會發生什麼？回答大概率是正確的，掉在地上。這並不是說chatgpt理解了重力導致的因果關係，更大的可能是它學習過關於牛頓發現重力的那篇文章。
這跟羣智的因果解耦框架不同，羣智框架其實更接近世界大模型框架，依賴的是因果關係的學習。簡單來說，就是不斷的通過結果，倒逼原因的學習方式來掌握知識，以及加深對這個世界的理解。
這也是如果有人孜孜不倦的給chatgpt餵養錯誤的數據，就能讓人工智能在某個問題上不停犯錯的原因。
當然並不是說羣智框架就是完美的。
事實上羣智框架也會出錯。只是犯的錯誤往往出於對因果關係錯誤的理解。
比如之前網上就曾曝出過一個笑話，有人問接入了羣智框架的小藝，如果把冰塊放進剛燒開的熱水會發生什麼？小藝的回答是，冰塊會變成蒸汽，因爲沸騰熱水可能使冰塊蒸發。
這就屬於典型的因果關係理解錯誤。畢竟按照物理過程，冰塊會先在熱作用下經歷融化再被加入到沸點，才能變成蒸汽。
兩者的區別是要讓chatgpt給出正確的回答，需要訓練數據時生成文本。羣智框架只需要讓它徹底能理解融化跟昇華兩種不同的概念就夠了。
對這種簡單的問題解答，顯然前者更有優勢。前者只要不停告訴chatgpt，冰要先融化成水，下次就能給出正確答案。
但後者要各種舉例，比如讓系統理解乾冰之所以會直接變成氣態，是因爲在地球標準壓力下，二氧化碳沒有液態存在的穩定區。所以會直接從固體變爲氣體，但水則不一樣……
但優劣不能如此簡單的對比。
因爲一旦羣智框架通過因果推導，理解了整個過程，下次就不會再犯同樣的錯誤。但前者如果有人穩定的，堅持的，不停餵養錯誤數據，下次依然可能犯錯……
對於山姆·奧特曼來說，目前的好消息是，chatgpt已經餵養足夠多的數據，起碼在現階段，也許能做得不比羣智框架差多少。但壞消息是，還有豆豆這種逆天的存在，以及還要面對金主的威脅。
щшш ¸тt kǎn ¸c○
真的，如果不是有那麼多的禁令限制，山姆·奧特曼說不定便也屈服了。
讓他有底氣發出那兩聲“呵呵”，終究是因爲對面這家公司恰好是被嚴格限制的。別說投資對面了，微軟如果真想跟對面眉來眼去，首先要迎接的是來自資本主義的鐵拳，哪怕微軟有着充足的動因。
現在世界的格局就是這樣，起碼在國際層面，發展到了微軟、有爲這種層級的公司，早已經不可能從純粹的商業角度來做任何決策，更別提微軟還是上市企業。
就算薩蒂亞·納德拉敢亂命，股東跟董事會分分鐘能教這個三哥裔的ceo該怎麼做人。
只是嗤笑之後，山姆·奧特曼顯然也並不想把眼前這位得罪的太狠了，深吸一口氣說道：“好吧，薩提亞，我們會考慮你的意見，也會盡力找到雙方都能接受的合作方式。但我們必須明確，openai的技術推進不可能被單一的利益關係所束縛。”
薩蒂亞·納德拉麪沉如水，但也只能不鹹不淡的回了句：“希望你能夠慎重考慮。如果繼續這樣下去，openai很可能將失去曾經最重要的支持者。”
不歡而散。
約談的結果就是沒有任何結果，但並不是沒有收穫。起碼雙方都大概瞭解了對方的態度。能不能有一個合適的解決方案另說。
當然，這場談話屬於機密。
除了當事人外，沒有第三人能聽到。
只是兩人都沒，其實也不可能注意到，當兩人山姆·奧特曼站起來告辭後，辦公室角落裡wifi代表信號傳輸的燈光閃爍的要比平時稍微頻繁了些。
……
“我代表西林數學研究所非常歡迎大家的到來，同時也感謝喬教授把這次代表榮譽的機會給了我，來爲大家介紹一種新的加速器理論，以及我們用超算驗證的相關結果。”
西林數研所八樓的中型現代化會議室裡，愛德華·威騰坐在主席臺上，準備正式向來訪的專家考察團介紹新型加速器的理論基礎跟超算模擬過程以及反饋的數據。
其實不需要太多準備，理論向的東西，大家吵吵鬧鬧如此長時間，早已經爛熟於心。
對於參加過無數場報告會的愛德華·威騰來說，這種介紹工作，本就屬於他的長項，而且他的身份也正好能鎮得住場子。
而且ppt也是豆豆做的，而且還能根據需要做修改，非常方便。
“這次的介紹分爲三部分，第一部分是理論基礎。相信來之前大家已經都對數學的交織性有所瞭解，接下來理論部分，我將從粒子運動方程、量子隧道效應的數學描述，以及等離子波動方程根能量反饋系統，來探討引入交織性後的理論框架。”
“第二部分是關於我們的新型加速器驗證設計跟算法介紹。包括理論建模，模擬軟件的選擇，等等。值得一提的是，我們使用的軟件是用於多物理場耦合模擬的comsol multiphysics改進款，改進的部分也有詳細的介紹。”
“第三部分是相關成果的彙總展示，以及我們已經針對新加速器的製造做的一些前置性準備工作。其中各種關鍵構造的材料選擇，以及已經找相關生產廠家安排的一系列工業測試的數據……”
愛德華·威騰話說到這裡，臺下頓時有些不淡定了，竊竊私語的嗡嗡聲，甚至足以打斷臺上的講話。好在這位諾獎、菲爾茲獎雙大佬也並不意外，只是笑咪咪的坐在那裡，半點不覺得着惱。
畢竟他之前也是被震驚到了，臺下這幫人的反應恰好是希望他看到的。
看吧，這纔是正常人該有的反應。
都像喬澤一樣，那大家不要活了。
“好了，大家有什麼問題，可以現在先隨便問問，當我開始正式講解的時候，希望你們都能保持安靜。”
“我有問題，威騰教授，你說已經安排相關廠家進行過工業測試數據是什麼意思？”
幾乎就在愛德華·威騰話音落下的瞬間，張起歌便站起身開口提出了這個問題。
“就是字面上的意思。好吧，你應該慶幸今天不是喬來主持這次報告會，否則的話，他大概懶得理會這種問題。嗯，我的準備的ppt裡有相對完整的報告。
所以你們很快就能看到這些報告，甚至還能直接向那些被選中的廠家驗證，所以請有些耐心。雖然這些並沒有我什麼功勞，都是伱們的人工智能主導的。沒錯，就是那個叫豆豆的小東西。”
臺下再次譁然。
坐在會議室最後面陪聽的白院長，此時已經完全控制不住臉上的表情，一臉的褶子此時像朵盛開的牡丹。
京城來的專家又怎麼樣？院士又怎麼樣？諾獎獲得者又怎麼樣？還不都是一羣沒見過世面的傢伙？
說起來白子喻絕對是今天會議室內所有人中，除了愛德華·威騰外，對喬澤信心最足的人。畢竟他是親眼見證過，有了豆豆介入科研管理之後，學校各個實驗室的效率有多高。
尤其是新上任的張校長來了之後，直接大筆一揮，要求學校所有實驗室，不管是否跟西林數研所有合作項目，都強制併入豆豆的科研管理體系之後，據說連科研資金的效率分配都提高了。
畢竟沒人比豆豆更敢花錢，敢幹事。
好在今天會議室裡都是大佬。很快大家便都冷靜了下來，且各個都變得更爲精神了幾分。
這些可都是好消息，而且還是那種大好消息。
雖然這種好消息從一個外國友人傳入他們耳中，給人的感覺有些怪怪的，但消息本身對於今天現場這些人來說，已經能幫他們抵禦一切負面狀態……
嗯，除了那惱人的推導過程。
……
有一個學術研究向的冷知識，數學跟物理在思維方式上有着天差地別的不同。其中最大的區別就是嚴謹性。
數學是需要絕對嚴謹的，在研究跟推導過程中，要求推論必須絕對正確，任何一點小瑕疵，推導出的結構都可能導致整個定理的論證過程不被認可。
物理學則是不嚴謹的，因爲其思維過程跟數學研究完全不同。
以牛頓爲例，看到蘋果掉下來，這是現象，然後發現任何東西，都會往下掉，這是嘗試總結出一些規律。然後根據觀察到規律，就可以大膽假設了，比如不管我看沒看到，總之地球上所有東西在不受其他力干擾的情況下，都會落到地面。
當有了這個假設的時候，就需要找一套數學工具，來描述跟解釋這一假設。這種數學工具可以是自創，當然也可以是借用數學家的研究成果。
值得一提的是，在物理學家推導的這一過程中，一般不可能太過嚴謹。畢竟用數學描述現實世界，本身就需要大量的假設。在這些假設之下，會推導出更多的結論，也讓理論越來越完善。
直到這一步，要正式開始建立理論體系的時候，物理研究纔開始嚴謹起來。因爲這一步往往需要數學家來完善出一整套數學工具，來將猜想、假設，證明成定理。
不管是萬有引力定律，以及之後的牛頓三大運動定律，又或者量子物理的提出……其實都是差不多的過程。
尤其是微觀領域，其實到現在還有很多現象，大家都是知其然不知其所以然。
比如量子糾纏和非定域性；波函數的實在性……
這也就是喬澤之前對質量間隙的解釋，補充了量子場論的數學基礎，否則的話描述粒子物理的主要框架，依然沒有嚴格的數學基礎。
所以搞理論的物理學家，對於嚴格的數學推導過程，尤其是加入了抽象至極的數學交織性推導過程，是真有些敬謝不敏的感覺。
沒錯，就是聽不太懂。
本來應該很熟悉的公式再繞了一圈之後，已經完全變了模樣，非常不友好。關鍵是那些變形推演的步驟還很複雜，看懂需要極強的數學功底。
當然也不是說搞物理的數學都不好，主要是真沒那麼精通，複雜的論證過程讓人煩躁。
好在愛德華·威騰是懂物理學家的。
對於理論的推導過程，只是泛泛的講了半個小時，就直接轉入關於加速器的算法設計跟詳盡的驗證過程。這也終於讓臺下已經昏昏欲睡的專家團們重新打起了精神。
另一邊，喬澤也被勾起了興趣。
跟瑞典皇家科學院的溝通，肯定不需要喬澤親自去聊。
拿到了愛德華·威騰跟楊選清的授權之後，就丟給豆豆去處理了。這種小事情豆豆從沒出過任何岔子。
只要大方向的道理在他們這邊就足夠了，讓他覺得有趣的是蘋果跟openai的合作。雖然這次合作還沒有正式對外宣佈，只有少數人知道，但這種事情顯然瞞不過豆豆。
正如之前喬澤跟李建高說的那樣，在研究羣智框架之前，他就對chatgpt有所瞭解，本質上這是一種生成式預訓練變換器，屬於一種自迴歸模型，主要還是用深度學習技術。
現在喬澤並不確定openai那些研究人員有沒有發現他們的chatgpt已經有了些改變。如果再加上微軟跟蘋果的競爭關係，讓喬澤覺得事情似乎正在變得有趣。
他雖然對商業方面的事情並不感興趣，但豆豆的進化，卻讓他對這些底蘊深厚的大公司數十年的技術積累有了想法。
現在的豆豆已經具備了輔助科研的能力，如果能夠融入對方的訓練模式，取長補短的話，也許能在未來更進一步。
眼下似乎就是一個很好的機會，幫西豆證明，比如跟微軟達成合作的話，有些東西就能正大光明的出現在所有人面前。